[论文解读] Influence Maximization Meets Efficiency and Effectiveness: A Hop-Based Approach

Jing Tang, Xueyan Tang+1 more|arXiv (Cornell University)|May 30, 2017

Complex Network Analysis Techniques参考文献 12被引用 6

一句话总结

本文提出了一种新颖的基于跳数的影响最大化方法，适用于大规模在线社交网络，能够在理论保证下实现快速且准确的种子节点选择。通过计算从种子节点出发一跳和两跳内的精确影响传播范围，并结合一种上界估计技术，该方法在性能上可与最先进的基于采样的算法（如 IMM、D-SSA）相媲美，同时运行速度显著更快，并可扩展至拥有数十亿条边的图，而其他方法在此类规模下会失败。

ABSTRACT

Influence Maximization is an extensively-studied problem that targets at selecting a set of initial seed nodes in the Online Social Networks (OSNs) to spread the influence as widely as possible. However, it remains an open challenge to design fast and accurate algorithms to find solutions in large-scale OSNs. Prior Monte-Carlo-simulation-based methods are slow and not scalable, while other heuristic algorithms do not have any theoretical guarantee and they have been shown to produce poor solutions for quite some cases. In this paper, we propose hop-based algorithms that can easily scale to millions of nodes and billions of edges. Unlike previous heuristics, our proposed hop-based approaches can provide certain theoretical guarantees. Experimental evaluations with real OSN datasets demonstrate the efficiency and effectiveness of our algorithms.

研究动机与目标

• 解决蒙特卡洛方法与基于采样的影响最大化算法在大规模 OSN 上的可扩展性与效率限制问题。
• 开发一种启发式方法，能够在不依赖先前启发式方法所缺乏的理论近似保证的前提下，保持理论上的近似性能保证。
• 实现在大规模图（如 LiveJournal、Twitter）上的实际运行，而现有方法因内存或时间限制而无法完成。
• 设计一种基于逐跳传播的影响估计技术，支持快速种子节点选择。
• 提供影响传播范围的上界，以加速贪心种子选择过程。

提出的方法

• 该方法通过改进的广度优先遍历，精确计算从种子节点出发一跳和两跳内的影响传播范围，避免使用蒙特卡洛模拟。
• 利用独立级联模型下影响传播的子模性与单调性，指导种子节点的选择。
• 提出一种新颖的上界估计技术，用于剪枝潜在影响较低的节点，从而在贪心选择过程中缩小搜索空间。
• 该算法采用基于跳数的影响估计方法，在保持计算效率的同时近似完整扩散过程。
• 该方法可扩展以处理不同的传播概率，并可适配至独立级联模型之外的其他扩散模型。
• 该方法的空间复杂度为 O(|V|)，使其适用于拥有数十亿条边的图。

实验结果

研究问题

• RQ1 基于启发式的影响最大化方法是否能在保持高效率的同时，也具备强大的理论性能保证？
• RQ2 在一跳和两跳内估计的影响传播范围，与真实 OSN 数据集中的完整扩散过程相比如何？
• RQ3 对影响传播范围的上界估计是否能显著加速种子选择过程，同时不降低解的质量？
• RQ4 与基于采样的和启发式基线方法相比，该方法在大规模 OSN 上的运行时间和内存使用量如何扩展？
• RQ5 在何种传播概率分布下，该方法相较于 IMM 和 D-SSA 仍保持鲁棒性？

主要发现

• 基于跳数的方法实现的影响传播范围与最先进的 IMM 和 D-SSA 算法相当，后者提供 (1−1/e−ε) 的近似保证。
• 在所有测试数据集上，包括拥有数十亿条边的 LiveJournal 和 Twitter，该方法的运行速度显著快于 IRIE、IMM 和 D-SSA。
• 尽管 IMM 和 D-SSA 因内存和时间限制无法在大规模数据集上完成计算，该基于跳数的方法始终能在可接受的时间和内存消耗内输出结果。
• 与基于采样的方法相比，该方法对传播概率缩放的敏感性更低——在传播概率变化时，其运行时间增长远慢于 IMM 和 D-SSA。
• 上界估计技术减少了种子选择过程中需评估的节点数量，从而在不降低解质量的前提下加快收敛速度。
• 尽管该方法为启发式方法，但仍保持理论近似保证，这是对以往缺乏此类分析的启发式方法的重要突破。